PORTIFOLIO DE MARIO KOJIMA
MARIO KOJIMA | RM: 334483
10/08/2019
SOBRE MARIO KOJIMA
Olá! Meu nome é Mário Kojima e atualmente (2019) estou cursando o curdo de Inteligência Artificial e Machine Learning na FIAP.
Esse portifólio foi desenvolvido para como parte da avaliação e aprendizado adquirido durante as aulas da diciplina Programando IA com R ministrada pelo professor ELTHON MANHAS DE FREITAS
Você pode entrar em contato comigo através do email mariokojima@gmail.com
Saiba mais em https://mariokojima.github.io/
Análise Básica Datasets
Informações do data set
summary(mtcars)## mpg cyl disp hp
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## drat wt qsec vs
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## am gear carb
## Min. :0.0000 Min. :3.000 Min. :1.000
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
## Median :0.0000 Median :4.000 Median :2.000
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.000Dimensão
dim(mtcars)## [1] 32 11Cabeçalho
head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1Aplicando filtro no dataset
mtcars[mtcars$"mpg">=15,]## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2Data & Hora
Sys.time()## [1] "2019-09-10 15:43:56 -03"Sys.Date()## [1] "2019-09-10"Sys.timezone()## [1] "America/Sao_Paulo"Lubridate
Briando de descobrir a data de uma black friday
library(lubridate)##
## Attaching package: 'lubridate'## The following object is masked from 'package:base':
##
## datenov1 = ymd("20191101")
nov1## [1] "2019-11-01"wday(nov1)## [1] 6if (wday(nov1) %% 5 == 0) {
day2 = 0
}else{
day2 = 7 - wday(nov1) %% 5
}
day2## [1] 6blackfriday = nov1 + day2 + (7*3) +1
print( paste('A black friday esse ano será em ', blackfriday) )## [1] "A black friday esse ano será em 2019-11-29"Matrizes e operações
Multiplica um
a <- c(334483,1980,0612,01234567890,112333,2019)
b <- a * 2Exploraração de Dados através de Graficos
No decorrer do curso, foi possível aprender que a exploração de dados fica muito mais fácil de ser interpretada, através de gráficos.
Gráficos de Rede
Bem legal para demonstrar a conexão entre elementos
Correlações (corrplot)
Uma forma visual de verificar quais são as variaveis que possuem forte coorelação
Plot e Lines
Após identificar quais são as variáveis com forte correlação podemos “plotar” essas variáveis em um gráfico, calcular a regreção linear e estipular uma linha de tendéncia ou faixa de corte. 
Gráfico Alluvial
Gráfico extremamente interessante que mostra como os dados categóricos de distribuem através dos elementos O gráfico abaixo é um exemplo clássico que mostra a relação entre sobreviventes/não sobrevicentes através das categorias “classe”, “sexo”, “idade”
3D Plot
Uma forma visual de ver como multimplas variáveis estâo distribuídas na amostra, é a utilização de gráficos interativos em 3D (lib rgl)
Gráficos Animados
Gráficos animados podem mostrar a evolução das variáveis através do tempo. No exemplo abaixo mostramos o PIP para os continentes através dos anos.
Fugindo do tradicional
É possível utilizar grádicosdiferentes dos tradicionais Pizza, Barra e colunas. Esse exemplo, utilizamos um grágico que é um misto de pizza e colunas
Mapas
E pra finalizar: é possível apresentar também gráficos no formato de mapa, onde é possível visualizar as informações pertinentes a cada continente, pais ou estado. No exemplo a seguir, é possível visualizar as exportações de produtos agrícolas nos Estados Unidos, sepados por estado
Conclusão
O R é uma linguagem extremamente robusta para calculos estatísticos, exploração de dados, machine learning e mais.
Obrigado!
